對於資料分析人員而言，要掌握的知識非常多，如果你只會用Excel做一些簡單的透視、彙總之類的基本工作，說明你距離資料分析師的差距還非常大。真正能體現一個資料分析師水平的地方，那就是懂得利用科學的分析方法，去做出合理的決策。

分析思路怎麼來？

分析思路不是憑空就能想出來的，必須深入業務中才能瞭解問題的全貌，得出正確的結論，並形成自己的分析思路。除了要擴充自己的分析思路之外，學習前人總結的分析方法也很重要，例如常見的RFM分析、復購分析、購物籃分析等分析方法都是前人經過無數次驗證後得出的成果，毫無疑問是非常寶貴的經驗，我們應該多去學習瞭解。

資料分析模板分享

由於很多資料分析方法涉及的演算法比較複雜，而且很多小夥伴並非是專業學習計算機出身，對於一些常見的資料分析方法的理解以及操作會有點困難，小編今天特意準備了幾十個資料模板供大家學習使用。這些資料模板均由smartbi智分析這個工具製作而成，涵蓋了各行各業，無需任何程式碼基礎，只要替換資料便可以為自己所用，非常方便。

1 、客戶分析

RFM 分析：透過三個關鍵指標對客戶進行觀察和分類，針對不同的特徵的客戶進行相應的營銷策略。

2 、對比分析

透過快速計算選單，方便的計算同比、環比。

3 、鑽取分析

建立維度層次，可以實現逐級鑽取的效果。

鑽取後的效果：

4 、產品分析

ABC 分析：按照產品累計銷售額佔比劃分產品類別，80%以內的為A類，80%-90%的為B類，90%-100%的為C類。

波士頓矩陣分析：Y軸為銷售額增長率，X軸為利潤，銷售額作為Z軸-氣泡大小。將產品劃分為4個象限。

購物籃分析：透過研究使用者消費資料，將不同商品之間進行關聯，並挖掘二者之間聯絡的分析方法。

5 、留存分析

留存率：同期群指每個月的新增客戶，檢視他們在後繼月份的復購情況，時間越長二次復購的客戶越多。

復購使用者：在當月購買兩次的使用者。回購使用者：上月購買了，本月還購買的使用者。

6 、預測分析

使用機器學習的預測演算法，利用過去4年的資料，預測未來1年的銷售額。

PS ：關於文中提到的資料來源以及模型資料，大家可以點關注之後私信我進行獲取